Quantum 對其 ActiveScale 物件儲存平台進行了更新，顯著提升了對 Glacier 級歸檔層中冷資料的存取能力。此次更新為基於磁帶的冷存儲提供了獨特的遠端恢復功能，該功能採用了 Quantum 專利的糾刪碼磁帶物件儲存設計。
除了針對小物件效能優化的全新復原引擎之外，這些變更還將磁帶歸檔從緩慢的離線儲存轉變為響應迅速、可透過 API 存取的資料湖，為人工智慧、分析和高效能運算做好準備。
ActiveScale 現在允許客戶僅從大型物件擷取所需的位元組範圍，而無需還原整個檔案。這種選擇性恢復改變了冷儲存的經濟性和使用者體驗。從事 AI 訓練、資料驗證或合規性查詢的團隊可以存取完成任務所需的精確資料段，而無需像完整物件檢索那樣耗費時間和資源。等待時間和出口流量影響的減少加快了工作流程，並提高了運算叢集和網路的基礎設施效率。 Quantum 指出，這是 ActiveScale 特有的 S3 Glacier 自訂擴展，專為基於磁帶的冷儲存而設計，解決了長期存在的歸檔可用性問題。
範圍復原 (Ranged Restore) 是一種全新的復原引擎，它透過智慧批次和請求排序，將小物件操作的吞吐量提升了五倍以上。許多 AI 和分析任務需要大量存取小文件，例如標籤分片、特徵索引或合規性元資料掃描。傳統上，冷層會導致這些任務的延遲。 ActiveScale 的效能改進使得小物件復原速度更快，從而實現了更快的迭代周期、更高的作業並發性以及更有效地利用 GPU 和 CPU 資源。最終效果是，冷層更像是一個用於定向檢索的溫熱分析層。
Quantum 的管理階層將此更新視為提升從歸檔資料中提取價值的一種方式。 Quantum 執行長 Hugues Meyrath 強調，關鍵問題不在於歸檔資料是否會成長，而在於企業如何快速取得用於訓練和分析的正確資料。他指出，等待數小時甚至數天才能獲得數據會損害生產力並增加成本。全新的 ActiveScale 功能使大型長期歸檔資料（以 EB 等級為單位）更易於訪問，並可立即用於人工智慧分析。
首席產品長 Geoff Barrall 補充道，冷數據不應再被視為離線資料。 ActiveScale 透過消除傳統 Glacier 級儲存的限制，將磁帶儲存轉變為快速、符合標準的資產，可進行程式查詢並整合到高吞吐量資料工作流程中。
這種差異化主要體現在以下三個方面：
- 在位元組範圍層級進行選擇性檢索可以減少大型物件的首字節獲取時間，並最大限度地減少不必要的資料移動，從而降低出口、計算和能源成本。
- 小物件效能的提升解決了 AI 和 HPC 管線中的一個重大痛點，即存取數百萬個小檔案一直以來都與歸檔層儲存的延遲相衝突。
- 該設計在保持 S3 相容性的同時，以 Quantum 獨特的磁帶物件方法擴展了 Glacier 語義，使客戶能夠在不重新設計應用程式的情況下實現冷層存取的現代化。
ActiveScale 的糾刪碼磁帶物件設計的核心至關重要。糾刪碼可在媒體間保護資料持久性，同時允許在復原作業期間進行並行處理。 ActiveScale 透過智慧管理讀取操作和請求排序來最佳化磁帶運動，從而降低機械開銷，並將順序媒體轉換為可用於選擇性、高吞吐量檢索的可用層。最終形成一個冷存儲層，該層可以參與實時或近實時管道，支援訓練作業、填充特徵存儲，並滿足特定的電子取證和合規性要求，而無需承擔與磁帶相關的傳統運營成本。
這些更新旨在提升資料工程和 MLOps 的效率。更快、更有針對性的恢復操作使團隊能夠驗證資料集、使用更新的樣本重新運行訓練，或執行審計，同時最大限度地減少對正在進行的工作的干擾。以前需要在溫層暫存資料的工作流程，現在在許多情況下可以繞過中間步驟，從而簡化流程並減少基礎設施的冗餘。對於管理 PB 等級到 EB 等級歸檔資料的組織而言，這種整合可以降低整體擁有成本，同時將長期資料保留成本控制在可控範圍內。
從治理和風險角度來看，使歸檔資料「可查詢」能夠滿足日益增長的資料可用性、沿襲性和可重現性需求。透過選擇性存取和提高吞吐量，企業可以將資料儲存在經濟高效的冷儲存層中，同時仍能滿足內部截止日期、監管要求和人工智慧測試計畫所需的回應速度。這種方法還可以透過限制存取的資料量來降低檢索風險，從而減少出口風險並簡化存取控制。
Quantum 認為這些功能將進一步鞏固 ActiveScale 作為一款功能全面、面向未來的冷數據平台的地位。 ActiveScale 透過將歸檔層儲存轉換為快速、可選擇性存取的層，使企業能夠釋放其資料的價值，無論資料的新舊程度或資料量大小。該平台相容於 Glacier 的 API 以及獨特的磁帶感知擴展，提供了一種將冷儲存整合到 AI 和分析中的實用方法，而無需切換到其他平台。
這些改進功能現已推出。
Amazon